2026年5月，多家媒体探访了宿迁湖滨新区的具身智能数据采集项目：京东自研的JoyEgoCam头显重220克，内嵌车规级IMU，当地宝妈趁孩子午睡间隙戴上它擦桌、叠衣，服装厂缝纫工头顶同款设备记录双手走线，视频经初筛后进入训练池。
同一时段，河北、武汉的县城里，承包商手下的五六十岁工人举着自己的手机拍刷锅洗碗，按有效时长结算，时薪15元。
这两幅画面对应的是同一件事：智元机器人合伙人姚卯青兼任董事长的觅蜂科技，2026年目标是千万小时级无本体数据产能，目前已过百万小时；京东自3月宣布建设"全球最大具身数采中心"后，计划两年内动员内外部约60万人，其中宿迁本地超10万市民，采集1000万小时真实场景视频。
这是行业正在推进的基建工作——在机器人能独立完成家务动作之前，先向下沉市场大量采购真实操作视频。这笔账的核心是：用低成本的真实数据让模型快速成长，这是一个有明确周期的窗口，不会一直持续。
PART 01
行业为什么需要这类数据？
行业把数据来源分为三类：戴VR遥控真机采集的叫"遥操数据"，仿真器渲染的叫"合成数据"，普通人用手机或轻量设备录制的真实家务视频叫"无本体数据"。前两者质量更高，但成本也高，遥操一天8小时约产出1小时有效数据，算上工位、电费、设备折旧，小时成本达数百元；合成数据便宜，但在真实场景中表现较差，实验室里能顺利倒水，进了普通厨房却认不出粘了粥的锅。
2025年底，Generalist、Sunday Robotics验证了低成本众包路线的可行性，国内厂商2026年跟进。行业普遍认为，具身大模型实现泛化所需数据量在千万小时级别，而目前高质量存量数据仅有几十万小时。
觅蜂姚卯青提出"模型决定起点，数据定义终局"，京东也把具身数据规模化列为重点方向，两家逻辑一致：先用大量真实人类视角数据把模型训到能完成基础家务，再推进真机高精度标注的后续工作。
这也是为什么县城工人用自己的手机拍刷锅，而不是用更专业的设备——路线设计本身就要求成本足够低：设备零边际成本、人力机会成本低、每户厨房条件各不相同，反而增加了数据的多样性。
穹彻DM3单日视频吞吐量上万条，千寻智能把新一代可穿戴设备成本压到传统真机遥操的十分之一，亦数智能公布了百万小时真实数据采集计划。各家都在赶同一个时间窗口，先把数据量积累起来。
PART 02
这种积累在宿迁和县城呈现出两种组织方式
京东走的是重资产路线：宿迁湖滨新区的数采社区1:1还原了商超、物流、康养、家政、工业等场景，配套社区网点，居民经培训后带设备回家采集，完成后回网点初筛。
JoyEgoCam支持双目4K/60fps拍摄，可获取上肢轨迹与力度分布数据；京东计划两年内采集1000万小时数据，覆盖场景超过百个。这些数据用于三个方向：训练自研的JoyAI-RA模型、上数据交易平台出售给具身智能公司、定向提供给高校。整体是京东统一管理的模式。
县域则是轻资产转包：武汉的承包商给有效时长支付30—37元/小时，但要求严格，视频里不能出现第二张人脸、动作不能过快或过慢、同一任务不能重复录制，居家宝妈实录8小时，有效时长通常不足4小时，日结约120元。
层层转包的结构，和十多年前AI训练数据需求爆发时河南、贵州、山西一带出现的数据标注工厂类似——当年是年轻人拉框标图，时薪从25元跌到10元以下，最后被自动化标注逐步替代。
两套模式产出的数据性质不同：京东直营产出高质量结构化数据，县域转包产出大量低成本泛化数据。短期内两者不是零和关系——真机数据教机器人"手怎么动"，无本体数据教机器人"环境长什么样"。从公司层面看，觅蜂偏向B端高精度采集，千寻靠可穿戴设备降低成本扩大规模，穹彻处理零散视频做预训练，各家走的是不同技术路径来解决同一个数据不足的问题。
PART 03
这是窗口期收入，不是稳定职业
围绕这件事的讨论容易走向两个极端：一边是"机器人要抢饭碗"，一边是"底层在给资本打工"。实际情况更直接——做这份工作的人，不是因为它有趣，是因为可以按时结钱。
京东社区宝妈月入3000—4000元，县城工人按时薪折算日结百余元。对本就靠捡废品补贴家用的留守中老年来说，这笔收入能改善月度现金流；大专生离职率高是因为预期落差大，宝妈和中老年能留下来做，是因为原本就没什么其他工作机会。这部分人力，是县域就业里原本闲置的时间。
但这个窗口不会持续太久。一是采集标准在按月调整，试错成本压到了最底层的工人身上，今天合格的视频明天可能被判废，实际时薪被摊薄。二是设备在持续轻量化，手机支架正在替代头环，AI质检在自动剔除不合格片段，人的工作越来越简化成单纯的"挂机录制"。三是参照数据标注行业的历史，基础人工采集环节大概率会被自动化标注、合成数据和主动学习逐步取代，不是长期岗位。一旦数据规模达到临界点，最先被裁掉的会是时薪最低的挂机工人。
比较务实的判断是：2026—2028年是下沉数据采集的窗口期。对宝妈和中老年来说，是"能挣就挣"的临时收入；对县域承包商来说，是吃管理费差价的过渡阶段；对京东、觅蜂来说，是用低成本真实数据推动模型升级的手段。
但这中间的利益分配并不对等——掌握数据产权和模型收益的是顶端，承担标准变动和被淘汰风险的是底端。这份工作确实有价值，收入也能解一时之需，但不宜高估它的稳定性。
（更多人形机器人赛道深度文章，请关注微信公众号“人形大讲堂”）
